Многие широко используемые методы анализа данных, применяемые в исследовательских областях, плохо работают при использовании больших наборов данных. Один из популярных методов, агломерационная иерархическая кластеризация UPGMA имеет квадратичную сложность и плохо масштабируется на большое количество объектов. В этом докладе мы предлагаем использовать local sensitive hashing в сочетании с рандомизированным ядерным методом для получения быстрой пошаговой аппроксимации UPGMA с теоретической гарантией оптимизации Mosgly-Wang objective.
Наумов С.С. (науч. рук. Фильченков А.А.) Масштабируемая аппроксимация UPGMA для евклидовых данных // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2020]. URL: https://kmu.itmo.ru/digests/article/3538